这里汇总游戏开发相关的技术总结。

ai

汇总

 
  • 决策树ID3原理及R语言python代码实现

    决策树是机器学习中一种非常常见的分类与回归方法,可以认为是if-else结构的规则。分类决策树是由节点和有向边组成的树形结构,节点表示特征或者属性, 而边表示的是属性值,边指向的叶节点为对应的分类。在对样本的分类过程中,由顶向下,根据特征或属性值选择分支,递归遍历直到叶节点,将实例分到叶节点对应的类别中。 决策树的学习过程就是构造出一个能正取分类(或者误差最小)训练数据集的且有较好泛化能力的树,核心是如何选择特征或属性作为节点, 通常的算法是利用启发式的算法如ID3,C4.5,CART等递归的选择最优特征。选择一个最优特征,然后按照此特征将数据集分割成多个子集,子集再选择最优特征, 直到所有训练数据都被正取分类,这就构造出了决策树

  • 朴素贝叶斯python代码实现

    朴素贝叶斯也是机器学习中一种非常常见的分类方法,对于二分类问题,并且数据集特征为离散型属性的时候, 使用起来非常的方便。原理简单,训练效率高,拟合效果好。

  • logistic逻辑回归公式推导及R语言实现

    线性回归模型简单,对于一些线性可分的场景还是简单易用的。Logistic逻辑回归也可以看成线性回归的变种, 虽然名字带回归二字但实际上他主要用来二分类,区别于线性回归直接拟合目标值, Logistic逻辑回归拟合的是正类和负类的对数几率。

  • 隐马尔科夫~维特比算法

    继上篇贝叶斯后,一直想完成隐马尔科夫这篇,一是一直没有时间完成python的示例实现代码, 二是想找一个区别于天气的隐马尔科夫例子。区别于贝叶斯,隐马尔科夫模型是基于时序的概率模型, 本文只关注于一阶隐马尔科夫模型,即某一时刻的状态值只跟上一时刻的状态值有关。 该模型可以用三元组表示:λ = (A, B,π )。

  • A星路径搜索

    在人工智能中有一类问题是有确定解的,如路径、五子棋等,这样的问题非常适合使用搜索来解决。 路径搜索是一个很有趣的问题,在人工智能中算是很基础的问题。最近一直在读《Artificial Intelligence-A Modern Approach》,搜索部分看完印象最深的就是A星算法了,这个在游戏开发中也最常用。于是乎做个总结,明天就掀过这篇了。